研究

我研究适用于金融、经济与环境数据的计量经济学和统计方法,重点关注相依数据的稳健推断与实时监测。具体方向包括调整值域自正则化(Adjusted-Range Self-Normalisation)、长期方差推断、结构变化检测、函数型时间序列、因子模型与分布型格兰杰因果关系。

在应用方面,我研究金融衍生品及加密货币市场的风险监测、基于机器学习的数字金融竞争力测度,以及环境管理与生态经济学问题,包括全球供应链中的虚拟水。我希望这些研究既能推进计量方法,也能为实证分析、金融监管和教学提供可用的工具。

以下列出部分工作论文与正在进行的研究项目。

工作论文

城市群扩容与收益的地理分布:来自长三角的证据

Megaregion Enlargement and the Geography of Gains: Evidence from the Yangtze River Delta

本文利用 99 个地级市(2004–2017 年)的城市特定合成控制,研究 2013 年长三角扩容,并记录了一种“赢者多得”(Winner-Takes-More)模式,跨边界溢出效应有限。

分布型格兰杰因果关系的在线监测

Online Monitoring of Distributional Granger Causality

本工作论文构建了分布型格兰杰因果关系在线监测的统一框架,结合自正则化得分检测器与任意时刻有效的分位数 e 过程,并以 Deribit 期权信号监测 BTC 下行风险为实证应用。

函数型时间序列中相关性偏移的监测

Monitoring Relevant Shifts in Functional Time Series

本工作论文为弱相依函数型时间序列中的相关性变点检测构建了调整值域自正则化推断,提供无需调参的检验程序,并以比特币期权隐含波动率微笑为实证应用。

时变线性工具变量模型的同时自正则化推断

Simultaneous Self-Normalized Inference for Time-Varying Linear IV Models

本工作论文为由局部广义矩估计(GMM)估计的局部平稳线性工具变量模型中的光滑系数,构建了同时自正则化置信带与路径检验。

环境政策严格程度与全球供应链中碳足迹和灰水足迹的构成:基于多区域投入产出(MRIO)框架的国家—行业证据

Environmental Policy Stringency and the Composition of Carbon and Grey-Water Footprints in Global Supply Chains: Country-Industry Evidence from an MRIO Framework

本工作论文利用 Eora26 数据库中 40 个国家、25 个行业 2010 至 2018 年的最终需求足迹,考察环境政策严格程度与全球供应链中碳足迹和灰水足迹构成之间的关联。

面向经济时间序列的生成式人工智能检验

Testing Generative Artificial Intelligence for Economic Time Series

本工作论文构建了一种正式的设定检验,用以判断 AI 生成的经济时间序列是否保持了观测数据的有限期联合分布,其推断对观测样本与合成样本中的相依性均进行了校准。

仿射同变的调整值域自正则化

Affine-Equivariant Adjusted-Range Self-Normalization

本工作论文构建了仿射同变的多元调整值域自正则化因子,无需长期协方差估计、带宽选择或对角化即可实现枢轴联合推断。

SPF GDP 预测尾部修正与增长相对收益利差

SPF GDP Forecast-Tail Revisions and Growth-Relative Return Spreads

本工作论文利用专业预测者调查(SPF)的 GDP 密度预测,研究同一目标年份下行与上行尾部概率的修正能否预测增长相对收益利差。修改后重投(Revise and Resubmit)至 Finance Research Letters(已获邀进行大修)。

基于调整值域自正则化的结构变化在线监测

Online Monitoring of Structural Change with Adjusted-Range Self-Normalization

本工作论文提出一种调整值域自正则化监测方案(RSMS),用于时间序列结构变化的在线检测,避免了核、带宽和块长的选择。

利率波动率中遗漏状态变量的非参数检验

A Nonparametric Test for Omitted State Variables in Interest-Rate Volatility

本工作论文提出一种非参数检验,用于判断在以保留状态变量为条件之后,某个候选状态变量能否从利率条件方差函数中被省略。

GLMY 路径同调揭示加密货币期权市场的结构重组

GLMY Path Homology Reveals Structural Reorganization in Cryptocurrency Options Markets

本工作论文将 GLMY 路径同调应用于逐笔比特币与以太坊期权数据,度量隐含波动率溢出网络与带符号交易压力网络中的高阶有向拓扑结构。

面向可信 AI 语料库的数学科学

Mathematical Sciences for Trustworthy AI Corpora

本文从代表性、一致性、公平性、隐私性和稳健性五个维度讨论 AI 语料库的可信性,并梳理采集、清洗、增强与审计各阶段涉及的数学问题。

基于相关性的函数型格兰杰因果关系的自正则化推断

Self-Normalized Inference for Relevance-Based Functional Granger Causality

修改后重投(Revise and Resubmit)至 Journal of Financial Econometrics。本工作论文为希尔伯特空间时间序列中具有经济意义的函数型格兰杰因果关系构建了无需调参的自正则化检验,并应用于比特币期权市场与现货市场之间的波动率溢出。